针对现有大型封头焊缝X射线检测存在胶片成像成本高、人工识别缺陷效率低等问题,提出基于X射线数字图像自动采集方案,并设计焊缝图像自动处理识别方法。针对焊缝区域与背景差异特性,采用固步灰度梯度法提取焊缝区域;采用双边滤波融合算法、自适应高频图像信息增强算法,实现焊缝图像的降噪和缺陷细节对比度增强;最后结合封头焊缝类型及特点设计特征库,基于Canny算法组合树形分类器实现缺陷的特征提取和分类。实验结果表明,该方法对封头焊缝中的气孔、裂纹、未融合、夹杂、未焊透等五类典型缺陷特征提取效果满足判级要求。

针对炭素制品X射线检测图像的特点，对缺陷及其特征提取与选择技术进行了研究。分析了炭素制品生产中易产生的缺陷类型及缺陷的成像特征，在此基础上，从缺陷样本中提取了19个特征值。以特征组合分类能力数学模型为适应度函数，设计了基于遗传算法的特征选择策略，实现了对缺陷原始特征量的优化选择。利用BP神经网络分类器及选择的特征值对缺陷进行了模式分类。研究结果表明，提出的选择方法是比较有效的，可以用于缺陷的识别与分类。